本文旨在为中文研究同仁介绍一项发表于《哈尔滨理工大学学报》的最新研究成果。该研究针对当前大型停车场中普遍存在的“找车难”问题，提出并设计了一套完整的智能停车场反向寻车系统。本文将从研究的背景与意义、系统设计与实现方法、核心算法创新、实验结果以及结论价值等方面进行详细阐述。

一、 研究概况：作者、机构与发表信息

本研究由哈尔滨理工大学测控技术与通信工程学院的麻吉辉、王丽杰、赵原真、孙建波共同完成。研究成果以题为“智能停车场反向寻车系统设计”的论文形式，发表于《哈尔滨理工大学学报》2023年8月出版的第28卷第4期上。论文旨在解决静态交通管理中的一个实际痛点，即车主在大型停车场内快速、准确地找回自己车辆的问题。

二、 学术背景与研究目标

随着城市车辆保有量激增，面积广阔、车位众多的大型及地下停车场日益普及。由于GPS信号在室内环境下衰减严重、定位不准，传统的导航技术难以在停车场内部有效应用，导致“反向寻车”成为困扰用户的实际难题。尽管现有的智能停车场管理系统已在泊车诱导、自动收费等方面取得进展，但高效、普及的反向寻车系统在国内仍属短板。

本研究立足于这一现实需求，旨在设计一套可实际应用的智能停车场反向寻车系统。其核心目标是在GPS信号弱或无信号的条件下，通过技术集成与算法创新，实现车辆信息的自动采集、用户位置的灵活确定、高精度场内地图的构建以及最优寻车路径的规划与引导。研究覆盖了系统硬件设计、数据通信、软件客户端开发以及核心路径规划算法优化等多个关键技术层面，是一项综合性、应用导向的工程研究。

三、 详细研究流程与方法

本研究的工作流程可系统性地划分为几个核心步骤，涵盖了从底层数据感知到顶层用户交互的全过程。

第一步：车辆状态信息采集与传输网络的构建。 这是系统得以运行的数据基石。研究采用了分层、分布式的硬件架构。 1. 车位状态探测： 在每个停车位部署HC-SR04超声波传感器，利用超声波回声测距原理，实时探测车位上是否有车辆停入或驶出。该传感器负责产生触发信号。 2. 车辆信息捕获与识别： 为节约成本，采用监控摄像头与停车位“一对多”的布局方式（如一个摄像头监控相邻的2-3个车位）。当超声波传感器检测到车辆停入后，触发OV7670图像传感器捕获车位图像。图像数据通过SCCB总线传输至以STM32F103单片机为核心的控制单元。该单元对图像进行预处理（灰度化、几何校正、二值化），并采用一种基于边缘与调节形态学方法融合的间隔符击中/击不中算法，实现对监控画面中多个车牌的同时定位。定位后的单个车牌图像再经过水平垂直投影法进行字符分割，最终通过OCR（Optical Character Recognition，光学字符识别）技术识别出具体的车牌号码。 3. 无线数据传输组网： 识别出的车牌号及其对应的车位编号信息，需要上传至服务器。研究采用Zigbee无线通信技术组建网状网络。每个车位节点（包含STM32和Zigbee模块）作为路由设备，将数据发送至区域协调器（FFD）。最终，所有数据通过协调器汇聚并传输至停车场本地服务器数据库中进行存储，为后续查询和路径规划提供数据支持。

第二步：停车场高精度数字地图模型的建立。 为了进行路径规划，需要一个精确的停车场环境数字模型。研究选用ArcGIS软件作为地图制作工具。具体流程如下： 1. 将停车场的原始CAD设计图导入ArcMap软件。 2. 在GIS环境中，分别创建并绘制代表不同地理要素的“要素类”，包括：停车场边界、行人出入口/电梯口（点要素）、所有停车位（面要素）、承重柱等障碍物（面要素）、以及行人可行走的道路（线要素）。 3. 从道路要素中提取中心线作为路径规划的基线。 4. 将所有要素的空间信息与属性信息（如车位编号、类型）通过ArcSDE空间数据引擎导入MySQL数据库。研究中建立了一个包含355个车位、8个电井、2个出口的示例地下停车场二层地图模型，车位尺寸严格遵循国家标准。

第三步：核心寻车路径规划算法的设计与实现。 这是本研究的核心创新点。系统接收到用户的寻车请求（输入车牌号或车位号）后，需要为用户规划从当前位置（PC客户端固定点或移动端实时位置）到目标车位的最优行走路线。研究针对传统A*算法在停车场栅格化地图中存在无效搜索多、路径转折不够平滑的问题，提出了一种改进的A*算法。 1. 算法原理： 传统A*算法通过评估“当前代价”（从起点到当前点的实际距离）和“预估代价”（当前点到终点的曼哈顿距离）来引导搜索方向。改进算法在此基础上引入了两项优化： * 方向约束法： 在扩展当前节点的相邻节点时，不是盲目地向8个方向扩展，而是进行方向筛选。计算每个候选扩展节点与起点-终点连线方向的夹角余弦值。只保留那些投影落在起点-终点连线方向上的节点，将其加入待搜索状态空间。这极大地缩减了无效搜索范围，将搜索集中在目标方向上。公式（1）给出了具体的数学判断依据。 * 路径分割与冗余点剔除： 在A*算法找到初始路径后，该路径通常由一系列转折点连接而成。改进算法以这些转折点为关键点，将路径分割成若干线段。然后，尝试连接非相邻的关键点（如起点直接连到第三个点），若连线不穿过障碍物，则表明中间的点是冗余的，可以剔除。通过反复此过程，拉直路径，减少不必要的拐弯，使最终规划出的路径更接近行人直觉上的“最短”路线。 2. 算法流程： 如论文图10所示，算法从起点开始，循环执行：从开放列表中选择总代价最小的节点作为当前节点；应用方向约束法生成其有效的扩展节点集；计算这些扩展节点的代价；若扩展节点是目标点则回溯路径，否则加入开放列表。找到路径后，再启动路径分割优化流程，最终输出优化后的路径。

第四步：多终端客户端的开发与实现。 为了提供多样化的用户访问方式，研究开发了两种客户端。 1. PC客户端： 使用Java语言开发，部署在停车场出入口或电梯口的查询终端上。界面包括查询界面（支持按车牌或车位号查询）、搜索结果界面（显示车辆停放信息）、路径导航界面（显示规划出的场内路线）。其工作流程是：用户输入查询条件→系统从数据库调取车辆位置→服务器运行改进A*算法规划路径→在ArcGIS生成的电子地图上渲染显示引导路线。 2. 移动客户端App： 基于uni-app框架开发，用户可通过手机扫码安装。除了具备与PC端相同的查询和路径规划功能外，其最大特点是需要解决用户的实时动态定位问题。研究提出了多种辅助定位方案：手动输入最近可视的车位号；通过手机摄像头识别最近车位号；利用手机陀螺仪传感器辅助判断用户行进方向和轨迹，实现定位校准和路径的动态重新规划。

四、 主要研究结果与分析

研究通过仿真实验和系统原型验证，取得了明确且积极的结果。

1. 核心算法性能验证结果： 为了量化评估改进A*算法的优越性，研究在模拟不同规模停车场的栅格地图（20x20, 25x25, 30x30）上进行了对比实验。以传统广度优先(BFS)算法和标准A*算法作为参照，关键的性能指标对比如论文表1所示。

• 搜索效率大幅提升： 在三种不同尺寸的栅格环境中，改进的A*算法相较于广度优先算法，搜索节点数目减少了60%～80%。例如，在30x30的栅格中，BFS算法搜索了248个节点，而改进A*算法仅搜索了81个节点。这直接证明了方向约束法能有效将搜索范围聚焦在目标方向，避免了大量无谓的探索。
• 路径长度显著优化： 改进算法规划出的路径长度，比标准A*算法规划出的路径缩短了5%～20%。例如在30x30栅格中，路径长度从386.92米缩短至342.43米。这主要得益于路径分割与冗余点剔除策略，它消除了原路径中的“锯齿状”拐弯，使路径更加平滑、直接。
• 运行时间与效率权衡： 数据显示，改进A*算法的单次运行时间（0.500s~1.131s）比标准A*算法（0.069s~0.110s）要长。这是因为改进算法增加了方向判断和路径后处理步骤。然而，对于反向寻车这一应用场景而言，路径长度的缩短（意味着用户行走距离的减少）和搜索节点数的减少（意味着算法决策效率的提升） 所带来的用户体验改善，其价值远高于微小的计算时间增加。且在实际应用中，路径规划是一次性离线或准实时计算，秒级甚至亚秒级的计算时间完全可接受。

2. 系统功能实现结果： 论文展示了完整的PC客户端和移动App的软件界面原型（图12-图16）。系统实现了从车牌信息自动采集、数据库管理、到多方式查询、再到基于高精度地图的路径可视化引导的全流程功能。特别是移动端提出的多种定位辅助方案，为解决室内无GPS环境下用户的初始定位难题提供了切实可行的思路。

五、 研究结论与价值

本研究成功设计并验证了一套多客户端（PC端与移动端）的智能停车场反向寻车系统。研究的核心贡献与价值体现在以下几个方面：

• 科学价值： 提出并验证了一种融合方向约束和路径分割的改进A*路径规划算法。该算法通过引入空间方向性启发信息和路径后优化处理，显著提升了在结构化环境（如停车场）中的搜索效率和路径质量。这为室内路径规划、机器人导航等相关领域提供了有价值的算法改进思路。
• 技术创新： 研究并非单纯算法研究，而是一个完整的系统工程。它创新性地将超声波传感、机器视觉、无线传感网络（Zigbee）、地理信息系统（ArcGIS）、数据库技术、移动应用开发等多个技术模块有机集成，为解决一个具体的工程问题提供了端到端的解决方案。
• 应用价值： 研究成果具有明确的现实意义和产业化前景。系统能够有效帮助车主在大型地下停车场等复杂环境中快速寻车，节省时间、减少焦虑，提升停车场的管理效率和服务体验。提出的“一对多”监控模式、多途径移动端定位方案等，也在保证功能的前提下考虑了成本控制和实用性。
• 解决关键问题： 研究直击了反向寻车系统中的三个关键难题：通过图像识别与无线组网实现了车辆信息的自动化采集；通过ArcGIS构建了精确的室内数字地图；通过改进的A*算法实现了高效、人性化的路径规划。特别是路径规划算法，是本研究的亮点所在。

六、 研究亮点

1. 算法创新性突出： 提出的改进A*算法是本研究最核心的亮点。其“方向约束”思想巧妙地将几何方向信息融入启发式搜索，大幅减少计算量；“路径分割与剔除”操作则从结果层面进一步优化路径，使其更符合人类行走习惯。实验数据充分证明了其优越性。
2. 系统集成度高、实用性强： 研究涵盖了从底层硬件感知、数据传输、数据处理到上层应用软件和用户交互的完整链条。不仅进行了算法仿真，还给出了具体的客户端设计方案，表明研究已从理论走向原型实现，具备较高的可实施性。
3. 对实际问题的多角度解决： 不仅关注核心的路径规划，还细致考虑了工程落地中的细节，如成本可控的“一对多”监控布局、应对移动端动态定位的多种辅助方案等，体现了务实的研究风格。

七、 其他有价值的内容

论文还简要介绍了所涉及的关键技术选型理由，例如选用STM32F103作为控制核心、Zigbee用于低功耗数据组网、MySQL作为数据库等，这些选择在嵌入式系统和物联网应用中具有代表性和经济性。此外，研究中对停车场地图的标准化建模过程（使用ArcGIS），也为同类室内导航系统的地图构建提供了可复用的方法参考。

这项研究是一项针对性强、设计完整、创新点明确的应用型研究成果，为解决智能停车场管理中的“最后一段路”问题提供了有效的技术方案，具有较好的学术参考价值和市场应用潜力。